search query: @keyword yhteisesiintymämatriisi / total: 1
results-list
reference: 1 / 1
« previous | next »
Author:Rautkorpi, Rami
Title:Shape features in the classification and retrieval of surface defect images
Muotopiirteiden käyttö pintavikakuvien luokittelussa ja haussa
Publication type:Master's thesis
Publication year:2005
Pages:ix + 61      Language:   eng
Department/School:Sähkö- ja tietoliikennetekniikan osasto
Main subject:Informaatiotekniikka   (T-61)
Supervisor:Oja, Erkki
Instructor:Iivarinen, Jukka
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions
close

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark S80     | Archive
Keywords:surface inspection
surface defects
defect classification
shape features
co-occurrence matrix
pintatarkastus
pintaviat
vikojen luokittelu
muotopiirteet
yhteisesiintymämatriisi
Abstract (eng): This thesis examines the classification and retrieval of surface defect images using shape features.
These images are created using special inspection systems that photograph the surface of a continuously moving web of material, with even illumination and a constant camera distance and orientation.
The images depict defects in the material surface, caused by a range of different faults.
The objective is to classify the nature of the defect based on its visual features, or index the images so that defects of a desired type can be efficiently retrieved from an image database.

Shape features commonly used in such pattern recognition applications are reviewed, and two novel statistical shape features are described.
These features, the Edge Co-occurrence Matrix and the Contour Co-occurrence Matrix describe second-order statistics of an image, and show improved discriminatory power over their first-order counterparts.

Two case studies are described, a database containing metal surface defect images and another containing paper surface defect images.
The Co-occurrence Matrix features and the features that have previously been found to work well with these databases are compared through experiments.
The classification performance and Content-Based Image Retrieval (CBIR) performance of the features are examined.
Also the effects of scale and rotation invariance in processing this type of image data are examined.
Abstract (fin): Tässä diplomityössä tarkastellaan pintavikakuvien luokittelua ja hakua muotopiirteiden avulla.
Kuvat luodaan erityisillä tarkastusjärjestelmillä, jotka kuvaavat jatkuvassa liikkeessä olevan materiaalirainan pintaa, tasaisesti valaistuna ja muuttumattomalla kameran etäisyydellä ja asennolla.
Kuvissa näkyvät materiaalin pinnan viat, joita aiheuttaa joukko erilaisia häiriöitä.
Tavoitteena on luokitella vian luonne sen visuaalisten ominaisuuksien perusteella, tai indeksoida kuvat, jotta halutun tyyppisiä kuvia voidaan hakea tehokkaasti tietokannasta.

Tällaiseen hahmontunnistukseen soveltuvia muotopiirteitä tarkastellaan, ja kaksi uudenlaista tilastollista muotopiirrotta kuvaillaan.
Nämä piirteet, reunan yhteisesiintymämatriisi (Edge Co-Occurrence Matrix) ja ääriviivan yhteisesiintymämatriisi (Contour Co-Occurrence Matrix) esittävät kuvan toisen asteen tilastollisia tunnuslukuja, ja niiden erottelukyvyssä on nähtävissä parannusta niiden ensimmäisen asteen vastineisiin verrattuna.

Työssä käytetään kahta tietokantaa, yksi sisältää metallipinnan vikakuvia ja toinen paperipinnan vikakuvia.
Yhteisesiintymämatriisipiirteitä ja näiden tietokantojen kanssa aiemmin hyvin toimivia piirteitä vertaillaan kokeellisesti.
Piirteiden suorituskykyä luokittelussa ja sisältöpohjaisessa kuvahaussa (Content-Based Image Retrieval, CBIR) tarkastellaan.
Myös skaalaus- ja rotaatioinvarianssin vaikutusta tämäntyyppisen kuvadatan prosessoinnissa tarkastellaan.
ED:2005-03-23
INSSI record number: 28186
+ add basket
« previous | next »
INSSI